# Chapter 2 文獻探討
###### tags: `SOLab Paper`
>[name=鍾詔東]

交通的二大要素為駕駛與環境，交通的品質則是由兩者戶動決定而成。駕駛會因為環境風險的變化執行不同的駕駛策略，如周圍車輛距離較近或是環境速限而減速。故在本研究中除了設計風險參數之外，駕駛風險策略模型也會重要的一環。因此本章節將由介紹交通衝突以及交通風險開始，再來則是介紹目前常見的交通風險模擬方法，最後則是介紹駕駛模型與車流模擬。
## 交通衝突
交通衝突是造成交通風險的主要原因，若車輛之間不存在衝突則個車輛會以的最佳速率(Optimal Velocity, OV)為目標行駛。交通衝突主要可被分為四種，連續衝突、分支衝突、併入衝突以及交叉衝突。
- 連續衝突(Sequential Conflict)
連續衝突定義為同方向上的空間衝突，會造成道路軸向空間的擠壓。當後車速度高於前車速度時容易發生，是追撞車禍最主要的原因之一。
- 分支衝突(Diverging Conflict)
分支衝突定義為原車道中車輛駛向不同方向車道的空間衝突，會造成變換方向車道的法向空間擠壓。當前方車輛因為要變換車道方向而減速行駛容易發生，較常見於路口或高速公路駛出交流道。
- 併入衝突(Merging Conflict)
併入衝突定義為不同車道車輛行駛至通向車道的空間衝突，會造成合併車道的法向空間擠壓。當前方因為道路縮減會是施工而迫使縮減車道車輛變換車道時容易發生，較常見於交流道駛入高速公路。
- 交叉衝突(Crossing Conflict)
交叉衝突定義為兩不同向車道且駛向不同車道之車輛的空間衝突，如左駕國家當中的左轉車量與對向車道直行車輛。交叉衝突是四項衝突中車禍嚴重程度最高，通常大型路口會以交通號誌避免交叉衝突，但仍然會出現於小型路口當中。

## 交通風險指標
交通風險指標可定義區域的安全程度，可應用於政府的交通改善指標又或是駕駛導航系統參考指標。而在車流領域中交通指標量化的方法分為時間、距離以及機率。
- 距離
距離風險可表示空間的擠壓程度，當距離越近存在的風險越高，可以使用於建立駕駛反應模型[2]。距離風險因為是一維的量化指標，僅能分析單一車道的風險指標，故較少應用於二維路口風險分析。除此之外距離風險無法考量車輛當前速度，在高速狀態下駕駛會採取較長的安全距離，若單以距離作為交通風險則無法考量駕駛速率。
- 時間
時間風險為最為常見以及多變的風險指標，最具名的風險指標為碰撞撞時間(Time to Collision, TTC)，而計算的方法會因為衝突的類型而不同。連續衝突若前車速度大於候車速度，則可藉由前後車的相對速度與相對距離計算，而其他衝突則是若有可能存在空間上的衝突且衝突空間時間重疊，則計算目前區域至衝突區域所需要的時間。
$$
TTC=\frac{X_1-X_2-l_1}{v_2-v_1}\quad ,v_2>v_1
$$
$$
TTC=
\begin{cases}
\frac{d_2}{v_2}&,\frac{d_1}{v_1}<\frac{d_2}{v_2}<\frac{d_1+l_1+w_2}{v_1}\\
\frac{d_1}{v_1}&,\frac{d_2}{v_2}<\frac{d_1}{v_1}<\frac{d_2+l_2+w_1}{v_2}
\end{cases}
$$
除此之外時間指標也會因為研究目標的不同而有變化，如考慮車輛反應時間則使用車輛反應時間(Time to Reaction)、將煞車時間分類評估風險則可以用可煞車時間（Available Stopping Time, AST）以及需煞車時間（Required Stopping Time, RST）比較煞車急促程度[3]。
然而在計算碰撞時間時仍需要"距離"材得以計算，距離則是一為空間中的量化參數，然而駕駛環境是二維空間，駕駛在行駛時除了考慮與前車的距離之外也會考慮側向車之前的距離。雖然圖1-1可以解決二維空間下的時間碰撞計算，計算條件為兩者之間的路線存在交點且空間與時間上有重疊才得以計算，但並排行駛風險因為不存在路線交點無法計算，故使用時間作為風險評估指標則無法將側向距離的淺在風險考量進來。

- 機率
機率是微觀車輛行為模型中最常用的風險指標，利用二維機率分佈函數作為車輛模型計算與其他車輛的碰撞機率作為風險指標[4][5]。機率風險指標可以解決距離指標未考慮速率的確點以及時間指標二維空間的缺點，也是駕駛最長考量的指標，但計算相對複雜且參數較多，故較難應用於大規模車流分析中，主要以單一駕駛行為如變換車道或是超車行為[4]的模型建立當中。
車量機率模型較常見為高斯分佈，也是機率分佈模型中較常被應用的模型[4][5]，其好處為參數量多可讓模型變化多端且較適合與二維空間。指數分佈則是應用於TTC模型當中[6]，可以將單一指標轉換為機率分佈。另外也有研究建立資料庫的機器學習模型[7]計算機率，配合資料以及機器學習建立LikeliHood模型。
## 車流風險評估

## 駕駛模型

[1] Thompson, Mary & Kwon, Oh & Park, Min. (2009). The Application of Axiomatic Design Theory and Conflict Techniques for the Design of Intersections: Part 1. Paper ICAD-2009.
[2] .C. Davis, Modifications of the optimal velocity traffic model to include delay due to driver reaction time, Physica A: Statistical Mechanics and its Applications, Volume 319, 2003, Pages 557-567, ISSN 0378-4371
[3] Weidl, Galia & Singhal, Virat & Petrich, Dominik & Kasper, Dietmar & Wedel, Andreas & Breuel, Gabi. (2013). Collision Detection and Warning at Road Intersections using an Object Oriented Bayesian Network.
[4] F. Wang, M. Yang and R. Yang, "Conflict-Probability-Estimation-Based Overtaking for Intelligent Vehicles," in IEEE Transactions on Intelligent Transportation Systems, vol. 10, no. 2, pp. 366-370, June 2009, doi: 10.1109/TITS.2009.2020200.
[5] A. Lambert, D. Gruyer and G. Saint Pierre, "A fast Monte Carlo algorithm for collision probability estimation," 2008 10th International Conference on Control, Automation, Robotics and Vision, 2008, pp. 406-411, doi: 10.1109/ICARCV.2008.4795553.
[6]J. Kim and D. Kum, "Collision Risk Assessment Algorithm via Lane-Based Probabilistic Motion Prediction of Surrounding Vehicles," in IEEE Transactions on Intelligent Transportation Systems, vol. 19, no. 9, pp. 2965-2976, Sept. 2018, doi: 10.1109/TITS.2017.2768318.